> ML_ALGORITHM // ENERGY-BASED-MODELS_v1.0

Enerji Tabanlı Modeller (EBM)

Bölüşüm fonksiyonunu hesaplamadan veri dağılımlarını normalize edilmemiş bir skaler enerji fonksiyonu aracılığıyla parametrelendiren esnek modelleme çerçevesi.

Unnormalized Probability Modelsdeep-generativemoderate-posthoclarge (>100k)

Tüm Algoritmalara Dön

Hesaplama Karmaşıklığı

Eğitim (Training):O(epochs * batch_size * (forward + langevin_steps))

Çıkarım (Inference):O(langevin_mcmc_steps)

Donanım Karakteristiği

CPU Uygunluğu:Hayır

GPU Zorunluluğu:Evet

Bellek Ayak İzi:high

Açıklanabilirlik ve Veri

Açıklanabilirlik Düzeyi:moderate-posthoc

Eğitim Verisi İhtiyacı:large (>100k)

Açıklanabilirlik Değerlendirmesi

Enerji fonksiyonu doğrudan normalize edilmemiş bir negatif log-olasılık ve dağılım dışı puanlama metriği olarak görev yapar.

Uygun Görevler ve Desteklenen Modaliteler

Uygun Görevler:

density estimationout of distribution detection

Desteklenen Modaliteler:

imagetabular

Uygulayıcı Kütüphaneler

PyTorchLinux Foundation / PyTorch Foundation · v2.4.1

İncele

Temel Literatür & Yayınlar

Sık Karşılaşılan Hatalar ve Dikkat Edilmesi Gerekenler

Langevin dinamikleri MCMC zincirleri izole enerji kuyuları arasında karışamaz, bu da eğitim gradyanının çökmesine neden olur